Cython是一个对Python和扩展的Cython语言（基于Pyrex）的静态优化编译器，它让你写Python的C扩展像写Python程序一样容易。
Python代码和C/C++代码之间互相调用
把Python代码调成跟C一样的性能
有一套调试Python、Cython和C代码的方法
处理大数据集非常高效，例如多维Numpy数组
充分利用CPython生态环境快速构建应用
完美整合来自各种库或者应用的代码和数据
官方网站：
github主页：
资源整理者简介：
可能感兴趣的文章
按分类快速查找
关于资源导航
伯乐在线资源导航收录优秀的工具资源。内容覆盖开发、设计、产品和管理等IT互联网行业相关的领域。目前已经收录 1259 项工具资源。
关于资源导航
伯乐在线资源导航收录优秀的工具资源。内容覆盖开发、设计、产品和管理等IT互联网行业相关的领域。
新浪微博：
推荐微信号
（加好友请注明来意）
- 好的话题、有启发的回复、值得信赖的圈子
- 分享和发现有价值的内容与观点
- 为IT单身男女服务的征婚传播平台
- 优秀的工具资源导航
- 翻译传播优秀的外文文章
- 国内外的精选博客文章
- UI,网页，交互和用户体验
- 专注iOS技术分享
- 专注Android技术分享
- JavaScript, HTML5, CSS
- 专注Java技术分享
- 专注Python技术分享
& 2016 伯乐在线为什么不给Python 这样的解释语言写一个编译器？
如题。解释语言性能比较差，为什么一个语言不能既有编译器又有解释器？这样可以在需要性能的时候编译它。我刚开始涉足计算机科学，工科生，轻喷…
按投票排序
CPython是会编译成bytecode的，见pyc文件。其他JPython，IronPython也都是编译成特定bytecode的。pypy还能进一步JIT编译成machine code。性能主要问题不是编不编译造成的，是动态类型系统以及各种额外的abstractions造成的。
题主是想问这种静态编译器么？类似的脑洞当然不可能只有一个人开。看还有，作者还很兴奋： &- 请结合上下文看：其他脑动请参考Python官网wiki上的列表：
很高兴告诉你，python不是单纯的解释性语言。 我们平时所说的python解释器其实是Cpython，在执行的时候，python会先将.py文件编译成中间形式的字节码(bytecode)并存放在内存当中，然后在正真执行的时候将字节码解释为机器可识别的二进制码。
默认情况下，被import的文件编译出字节码会被保存下来，即我们看到的.pyc文件了。当然我们可以显示的编译一个.py文件并保存。
静态语言编译出的是二进制文件，也就是说，打从编译结束后，执行这个文件，机器怎么运行是已经确定好的事情了。
而python是一门动态语言，比如语句a+b，在执行它之前，你丫的根本就不知道a和b是什么，是执行整数运算呢？还是浮点数运算？要知道，一般的计算机，执行整数运算和浮点数运算的运算单元是不一样的。
所以，动态语言你怎么去完全编译它？python已经做得很不错了。
如果你是比较纯正的python，即没有太多的第三方库，可以考虑使用pypy解释器。不过pypy对大部分第三方库支持力度不够。比如强大的科学运算库numpy就未支持，当然，支持的日子相比不会太长远。
而且，大部分速度的瓶颈跟语言关系不大，而是在于算法。实在不行，考虑使用C/C++或者CUDA加速才是王道。
第一次码这么多字，真是累。。。。更新：@kalam yum提到了numpy有专门的Pypy版本，官网上也确实提供了下载链接。不过支持力度不够啊，想下下来使用一下，发现根本下不下来，似乎是我这个烂网络的原因。暂时我是不会考虑使用PyPy。还有网上有人提到了结合CPython和PyPy的方法：没有试，大家可以看下。目前看来，还是那句话：使用C/C++或者CUDA加速才是王道。使用C/C++或者CUDA加速才是王道。使用C/C++或者CUDA加速才是王道。学习Python的同时，学习C/C++和CUDA，何乐而不为？
因为python是一门动态语言。很多特性要依赖于程序元数据。所以即使编译成机器码，还是需要带运行时，垃圾回收器，程序本身的元数据。编译成机器码可能在数值运算方面的性能会得到提升，但其他方面未必会得到显著的性能提升。编译为机器码，其实类似于pypy那种jit，只是把编译结果保存起来而已。
其实除了科学计算大部分用得上python的场景都不在乎它的性能。
( 抖个机灵你说这个?
Python不是单纯的解释型语言，所以可以认为它的所谓解释器即普遍意义上的编译器。这个问题就像马为什么不像人躺着睡觉一样，躺着多舒服。
已有帐号？
无法登录？
社交帐号登录}